[發明專利]一種基于GoogLeNet的紅外圖像識別方法

有效

• 申請號: 202011223719.3
• 申請日: 2020-11-05
• 公開（公告）號: CN112364979B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 張巖;李坡;武艷偉;劉光宏;李雨澤;叢明煜;于鯤;楊春玲;陳臻煒
• 申請（專利權）人: 哈爾濱工業大學;中國電子科技集團公司信息科學研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T5/50;G06N3/04;G06N3/08;G06K9/62;G06V10/764;G06V10/82
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 劉景祥

1.一種基于GoogLeNet的紅外圖像識別方法，其特征在于，所述紅外圖像識別方法包括以下步驟：

步驟一、數據增強：對紅外數據集進行數據增強，包括像素級調整、模擬對象遮擋以及多圖像拼接；

步驟二、改進GoogLeNet基本單元結構，搭建淺層Inception結構和深層Inception結構，其中，包含4層淺層Inception結構和4層深層Inception結構，

具體的，構建GoogLeNet基本單元Inception結構，分為淺層Inception和深層Inception，淺層Inception分成5個分支，分別為7*7卷積分支，5*5卷積分支，3*3卷積分支，池化分支，1*1卷積分支，并分別使用1*1卷積核進行參數降維，深層Inception結構使用3個1*3、3*1卷積組合替換7*7卷積核，2個1*3、3*1卷積組合替換5*5卷積核，1個1*3、3*1卷積組合替換3*3卷積核；

步驟三、引入空間注意力機制：使用空間注意力機制，犧牲少量的計算時間來提高模型的分類準確率，具體的，前一層Inception結構的輸出經過SAM分支得到權重參數，尺寸與輸入特征圖尺寸完全一樣，再與原圖相乘，將結果送到下一個Inception結構，從而得到淺層特征圖和深層特征圖；

步驟四、引入特征金字塔融合：將淺層特征圖和深層特征圖進行加權融合，提高網絡的識別精度和對于不同尺度目標的識別能力；

步驟五、引入Focal loss損失函數，并加入L1正則項：

loss＝-ya(1-y')^γlogy'-(1-y)(1-a)y'^γlog(1-y')+λ(||W||₂+||b||₂)

式中y為標簽值，y'為預測值，a是平衡因子，用于平衡正負樣本本身的比例不均，γ負責控制難易樣本的權重，λ為正則化系數；

步驟六、引入Mish激活函數：使用Mish激活函數替換ReLU函數；

步驟七、使用遷移學習：使用ImageNet數據集對模型進行初始化，并將預訓練好的模型參數遷移到紅外數據集，進行參數微調；

步驟八、進行紅外圖像識別：使用微調后的網絡模型對紅外數據集進行識別，得到識別結果。

2.根據權利要求1所述的一種基于GoogLeNet的紅外圖像識別方法，其特征在于，在步驟一中，所述像素級調整包括光度畸變和幾何畸變，模擬對象遮擋分為像素級遮擋和區域級遮擋，多圖像拼接包括像素級拼接和區域級拼接。

3.根據權利要求2所述的一種基于GoogLeNet的紅外圖像識別方法，其特征在于，所述光度畸變包括調整圖像的亮度和加入噪聲；所述幾何畸變包括隨機縮放、剪切、翻轉和反旋轉；所述像素級遮擋，即隨機選擇圖像中的某一些點，填充一個隨機的或互補的零值；所述區域級遮擋，即隨機或均勻地選擇圖像中的多個矩陣區域，并將其全部替換為0；所述像素級拼接，即使用兩個圖像以不同的系數相乘并疊加，使用該系數值作為標簽；所述區域級拼接，即將剪切后的圖像覆蓋到其他圖像的矩陣區域，并根據混合區域的大小調整標簽。

4.根據權利要求1所述的一種基于GoogLeNet的紅外圖像識別方法，其特征在于，在步驟二中，引入7*7的卷積核分支，提高網絡的感受野大小，使用1*1卷積核進行參數降維，在網絡深層結構使用3*1和1*3的卷積組合替換3*3、5*5、7*7的卷積核。

5.根據權利要求1所述的一種基于GoogLeNet的紅外圖像識別方法，其特征在于，在步驟三中，前一層Inception結構的輸出分成兩條分支，一條經過兩次3×3的卷積操作后，使用Sigmoid激活函數映射到[0,1]區間得到注意力圖，另一條分支將Inception輸出直接與注意力圖進行相乘，得到下一層Inception的輸入。